【技术实现步骤摘要】
本专利技术涉及能源利用，尤其涉及一种基于条件生成对抗网络的可再生能源发电场景生成方法。
技术介绍
1、近年来，随着全球能源短缺与环保问题的日益突出，可再生能源的应用研究开发已受到世界各国的大力关注，海洋因其具有非常丰富的风能、太阳能、波浪能等能源，在可再生能源开发利用上具有重要意义，但是与常规能源不同，海洋能源出力受外部环境与气候影响较大，具有明显的随机性、间歇性和波动行。场景生成技术可以对可再生能源出力特性做深入分析和精准建模，在风电大规模并网时，该技术可以改善可再生能源系统规划和能量管理，对系统安全稳定经济运行都有重大意义。
2、传统场景生成方法仅采用最有可能发生的场景作为研究重点，忽略天气等极端情况的发生，并不能完全保证电力系统的可靠运行。由于深度学习在数据挖掘、特征提取领域展现出了优越的性能，不含参数的深度生成模型广泛应用于可再生能源场景的生成。生成对抗网络一个显著的优势就是能够生成与真实数据分布规律一致的样本，几乎可以达到以假乱真的程度。近些年采用生成对抗网络进行场景分析的研究已经取得了一定的进展，可以相对准确地刻画风力发电的不确定性。但这在一定程度上也忽略了海上天气、气候等负荷因素对模型的影响，使模拟结果与真实结果相比精度较差，降低了对可再生能源规划和能量管理。
技术实现思路
1、有鉴于此，本专利技术提供了一种基于条件生成对抗网络的可再生能源发电场景生成方法，用以提高模拟结果的精度，有效地改善对可再生能源规划和能量管理。
2、第一方面，本专利技术
3、步骤一、根据可再生能源的发电数据和记录运行日的气象数据，构建可再生能源发电的历史发电数据集和气象数据集；
4、步骤二、构建基于风格的条件生成对抗网络stylegan，基于风格的条件生成对抗网络包括生成器g和判别器d；
5、步骤三、根据步骤一中的历史发电场景数据集和气象数据集对步骤二中的基于风格的条件生成对抗网络进行训练，得到训练后的生成器；将从均匀分布中采样生成的随机噪声向量输入训练后的生成器，生成符合气象数据集和发电特点的噪声场景数据，判别器对历史发电数据和噪声场景数据进行鉴别，确定符合历史场景的数据，以生成训练后的基于风格的条件生成对抗网络；
6、步骤四、根据步骤三中训练后的基于风格的条件生成对抗网络，生成符合气象数据集和可再生能源发电特性的海上场景数据，并利用历史发电数据集中的验证集样本，对基于风格的条件生成对抗网络进行性能检验。
7、可选地，所述步骤一包括：
8、假设第天时，可再生能源发电实际功率和预测功率分布为和；将第天的每日样本设定为，为一天中需要考虑的时间总步数，则从第到第天的每日样本可以表示为，通过的已知部分推测未知部分的实现概率；
9、将第天的气象信息条件表示为，其中 t代表温度， h代表湿度， c代表云层覆盖度， w代表降水量，则从第到第天的气象数据集为；
10、将第天的情景生成作为条件概率分布最大化问题，其公式如下：
11、；
12、其中，表示所获得的个可能场景中的最佳场景，将其作为第天的可再生能源发电的概率。
13、可选地，所述步骤二包括：
14、生成器g由映射网络和合成网络两个子网络组成；映射网络包括多个全连接层、变形层和反卷积层，每层全连接层后采用激活函数leakyrelu，用于解耦潜在变量；合成网络包括全连接层、重塑层、自定义卷积层和上采样层，将各层级的数据通过求和操作组合为最终输出数据；
15、判别器d包括3个具有残差结构的卷积层和1个全连接层；在卷积层中的每个残差结构中，对平均池化下的采样进行积分，以将采样的时间分辨率减半；在判别器的末尾应用全连接层，用于调整输出形状。
16、可选地，所述步骤三包括：
17、根据历史发电场景数据集和气象数据集对基于风格的条件生成对抗网络进行训练，气象数据集用于指导不同层次情景风格的控制和混合过程；将生成器与判别器交替竞争训练至纳什均衡时，则场景生成模拟成功；其中生成器用于将一个遵循先验分布采样的潜在变量转换为真实的运行场景，判别器用于区分历史场景与生成的模拟场景；
18、将基于风格的条件生成对抗网络的训练作为极小极大优化问题，其公式如下：
19、；
20、其中，为生成器和判别器间博弈训练的目标函数值；为期望值；为可再生能源发电真实数据在判别器中判别为真的概率；为生成器输出的数据在判别器中判别为真的概率；和分别为可再生能源历史发电场景和相应的概率分布；z为输入生成器的噪声序列，并遵循一定的概率分布。
21、可选地，在生成器和判别器中分别引入正则化项和，生成器的损失函数和判别器的损失函数的公式分别为：
22、；
23、；
24、在生成器与判别器交替竞争训练的过程中，生成器的损失函数越小，则生成的模拟场景越真实；判别器的损失函数越小，则区分历史场景与生成的模拟场景的能力越强；
25、映射网络将噪声序列z和气象数据集组合成一个耦合度高的潜在变量，并将噪声序列z和气象数据集嵌入到全连接层中，输出一个解耦的潜在变量，；将解耦的潜在变量输入至全连接层，映射变换成可更新风格的向量s；向量s与卷积层提取出的卷积权重通道乘积产生调制权重，再通过均方根运算得到解调权重，通过和卷积偏置执行层输入和输出的卷积运算，输出可更新样本；将历史的可更新样本和生成的可更新样本输入至判别器中，判别器对其进行判别，判别结果为和；
26、利用生成器的损失函数和判别器的损失函数计算生成器与判别器的损失，采用优化器adam更新生成器的权重和判别器的权重，用于对基于风格的条件生成对抗网络进行训练；
27、生成器的权重和判别器的权重的更新公式如下：
28、；
29、；
30、其中，为第t-1轮循环后的生成器的权重；为第t-1轮循环后的判别器的权重；为第t轮循环后的生成器的权重；为第t轮循环后的判别器的权重；以此迭代循环，直到基于风格的条件生成对抗网络收敛，生成训练后的基于风格的条件生成对抗网络。
31、可选地，所述步骤四包括：
32、将训练后的生成器和判别器固定，并将噪声序列z输入至生成器，模拟生成并输出符合气象数据集和可再生能源发电特性的海上场景数据；当基于风格的条件生成对抗网络收敛后，从生成器输出的海上场景数据中随机采样n个模拟场景数据，将生成的模拟场景数据与历史发电数据集的验证集中的发电功率数据进行比较，当两者的功率和概率分布特性曲线具有相同的趋势，则基于风格的条件生成对抗网络性能稳定。
33、第二方面，本专利技术实施例提供一种计算机可读存储介质，所本文档来自技高网...
【技术保护点】
1.一种基于条件生成对抗网络的可再生能源发电场景生成方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述步骤一包括：
3.根据权利要求1所述的方法，其特征在于，所述步骤二包括：
4.根据权利要求1所述的方法，其特征在于，所述步骤三包括：
5.根据权利要求4所述的方法，其特征在于，在生成器和判别器中分别引入正则化项和，生成器的损失函数和判别器的损失函数的公式分别为：
6.根据权利要求1所述的方法，其特征在于，所述步骤四包括：
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至6中任一项所述的基于条件生成对抗网络的可再生能源发电场景生成方法。
8.一种电子设备，其特征在于，包括：一个或多个处理器；存储器；以及一个或多个计算机程序，其中所述一个或多个计算机程序被存储在所述存储器中，所述一个或多个计算机程序包括指令，当所述指令被所述设备执行时，使得所述设备执行权利要求1至6中任一
...【技术特征摘要】
1.一种基于条件生成对抗网络的可再生能源发电场景生成方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述步骤一包括：
3.根据权利要求1所述的方法，其特征在于，所述步骤二包括：
4.根据权利要求1所述的方法，其特征在于，所述步骤三包括：
5.根据权利要求4所述的方法，其特征在于，在生成器和判别器中分别引入正则化项和，生成器的损失函数和判别器的损失函数的公式分别为：
6.根据权利要求1所述的方法，其特征在于，所述步骤四包括：
【专利技术属性】
技术研发人员：林霏，邵文艺，徐仁，王浩然，孟凡萍，
申请(专利权)人：齐鲁工业大学山东省科学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。